توسعه مدل تركيبي برپايه شبكه عصبي جهت مدل سازي كيفيت هواي داخلي بازار تبريز به لحاظ ذرات معلق

ﺷﺒﮑﻪ ﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ، ﺳﯿﺴﺘﻢ ﻫﺎي ﻣﺤﺎﺳﺒﻪ ﮐﻨﻨﺪه اي ﻫﺴﺘﻨﺪ ﮐﻪ از ﺷﺒﮑﻪ ﻫﺎي ﻋﺼﺒﯽ زﯾﺴﺘﯽ اﻟﻬﺎم ﮔﺮﻓﺘﻪ ﺷﺪه اﻧﺪ. اﯾﻦ ﺷـﺒﮑﻪ ﻫـﺎ اﻧﻮاع ﮔﻮﻧﺎﮔﻮﻧﯽ دارﻧﺪ و ﺑﻪ ﺧﻮﺑﯽ ﻣﯽ ﺗﻮاﻧﻨﺪ ﺑﻪ ﺷﻨﺎﺳﺎﯾﯽ، ﻃﺒﻘﻪ ﺑﻨﺪي و ﭘﯿﺶ ﺑﯿﻨﯽ ﻣﺴﺎﺋﻞ ﻣﺨﺘﻠﻒ ﺑﭙﺮدازﻧﺪ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ آﺛﺎر زﯾﺎن ﺑـﺎر آﻟـﻮدﮔﯽ ﻫﻮا در ﺷﻬﺮﻫﺎي ﺑﺰرگ و ﺳﭙﺮي ﺷﺪن ﺳﺎﻋﺖ ﻫﺎي ﺑﺴﯿﺎري از زﻧﺪﮔﯽ ﻫﺮ اﻧﺴﺎن در ﻓﻀﺎﻫﺎي ﺑﺴﺘﻪ، ﺑﺮرﺳﯽ ﮐﯿﻔﯿﺖ ﻫﻮاي داﺧﻠـﯽ اﻣـﺎﮐﻦ ﺑﺴﯿﺎر ﺿﺮوري اﺳﺖ. آﻻﯾﻨﺪه ﻫﺎي ﻣﺨﺘﻠﻔﯽ در ﻓﻀﺎﻫﺎي ﺑﺴﺘﻪ وﺟﻮد دارﻧﺪ ﮐﻪ از ﺑﯿﻦ آن ﻫﺎ، ذرات ﻣﻌﻠﻖ ﺗﻮﺟﻪ زﯾﺎدي را ﺑﻪ ﻋﻠـﺖ ﺗـﺄﺛ ﯿﺮات ﻓﺎﺟﻌﻪ ﺑﺎر ﺑﺮ ﺳﯿﺴﺘﻢ ﺗﻨﻔﺴﯽ و ﺣﺘﯽ ﺳﯿﺴﺘﻢ ﮔﺮدش ﺧﻮن ﺑﻪ ﺧﻮد ﺟﻠﺐ ﮐﺮده اﺳﺖ. در اﯾﻦ ﺗﺤﻘﯿﻖ ﺑﺎ ﺟﻤـﻊ آوري داده ﻫـﺎي ﻣـﻮرد ﻧﯿـﺎز از ﻓﻀﺎﻫﺎي داﺧﻠﯽ ﺑﺎزار ﺗﺒﺮﯾﺰ ﮐﯿﻔﯿﺖ ﻫﻮاي آن ﺑﻪ ﻟﺤﺎظ ذرات ﻣﻌﻠﻖ ﺑﺮﭘﺎﯾﮥ ﻣﺪل ﻫﺎي ﻣﺨﺘﻠﻒ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺑﺮرﺳﯽ ﺷﺪ. ﻃﻮل ﻣﻌﺎﺑﺮ، ﻋﺮض ﻣﻌﺎﺑﺮ، ﺗﺮاﮐﻢ ﻧﺴﺒﯽ ﺟﻤﻌﯿﺖ، ﺟﻨﺲ ﮐﻒ، وﺟﻮد ﯾﺎ ﻋﺪم وﺟﻮد ﺗﻬﻮﯾﻪ، ﺗﻨﻮع ﮐﺎرﺑﺮي، ﻓﺎﺻﻠﻪ از ﺧﯿﺎﺑﺎن ﻫـﺎي ﻣﺠـﺎور، ﺑﻠﻨـﺪي ﺳـﻘﻒ، دﻣـﺎ و رﻃﻮﺑﺖ ﻧﺴﺒﯽ در 1081 ﻣﻮﻗﻌﯿﺖ ﻣﺨﺘﻠﻒ از اﺳﻔﻨﺪﻣﺎه ﺳﺎل 1396 ﺗﺎ اردﯾﺒﻬﺸﺖ 1397 اﺧﺬ ﺷﺪ. در ﻓﺮوردﯾﻦ ﻣﺎه، ﺑﺮاي 86 ﻧﻘﻄﻪ از ﻧﻘﺎط ﺛﺒﺖ ﺷﺪه، آﻻﯾﻨﺪه ﻫﺎي PM2.5 و PM 10 ﺑﻪ ﮐﻤﮏ ﺣﺴﮕﺮ ﻗﺎﺑﻞ ﺣﻤﻞ ﺛﺒﺖ ﺷﺪ و ﺑﺮاي ﺳﺎﺧﺖ ﺷﺒﮑﻪ ﺑﻪ ﮐﺎر ﮔﺮﻓﺘﻪ ﺷـﺪ. ﭘـﺲ از ﻣﻘﺎﯾﺴـﮥ ﺷﺒﮑﻪ ﻫﺎي ﻣﺨﺘﻠﻒ ﺑﺎ ﭘﺎراﻣﺘﺮﻫﺎي ﮔﻮﻧﺎﮔﻮن ﺷﺒﮑﻪ ﺑﻬﯿﻨﻪ ﺗﻌﯿﯿﻦ ﺷﺪ. ﺳﭙﺲ ﺑﻪ ﻣﻨﻈﻮر اﻓﺰاﯾﺶ ﮐﺎراﯾﯽ ﻣﺪل، ﺷﺒﮑﮥ ﺳﺎﺧﺘﻪ ﺷﺪه ﺑﺎ ﻃﺒﻘـﻪﺑﻨـﺪ تركيبي LSBoost ادغام شد. ﺷﺪ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﭘﯿﺎده ﺳﺎزي ﺻﻮرت ﮔﺮﻓﺘﻪ ﺑﻬﺘﺮﯾﻦ ﺷﺒﮑﻪ ﺑﺮاي آﻻﯾﻨﺪه 2.5 PM ﺑﺎ دو ﻻﯾﮥ ﭘﻨﻬﺎن، ﺗـﺎﺑﻊ آﻣـﻮزش MSE و traincgb ﺑﺮاﺑﺮ 385/. و ﺑﺮاي آﻻﯾﻨﺪه 10 PM ﻧﯿﺰ ﺑﺎ ﯾﮏ ﻻﯾﻪ ﭘﻨﻬﺎن، ﺗﺎﺑﻊ آﻣﻮزش trainlm و MSE ﺑﺮاﺑﺮ 2779/. ﺑـﻪ دﺳـﺖ آﻣﺪه اﺳﺖ. ﻧﺘﺎﯾﺞ ﺑﻪ دﺳﺖ آﻣﺪه از ﻣﺪل ﭘﯿﺸﻨﻬﺎدي ﺗﺤﻘﯿﻖ ﺑﻪ ﺻﺤﺖ 67 /97 درﺻﺪ ﺑﺮاي ﭘﯿﺶ ﺑﯿﻨﯽ ﮐﻼس آﻻﯾﻨﺪه ﻫـﺎي 2.5 PM و 10 PM رسيده است.